Vocabulario en inglés de estadística

Suma de todos los valores dividida por la cantidad de observaciones; es la media habitual que resume el centro de un conjunto numérico.

Valor central de los datos ordenados de menor a mayor; si hay una cantidad par de valores, es la media de los dos centrales.

Valor que aparece con mayor frecuencia en un conjunto de datos. Una distribución puede tener una moda, dos (ser bimodal) o varias.

Medida de cuánto se dispersan los valores alrededor de la media: un valor pequeño indica que quedan cerca y uno grande, que están muy separados.

Media de las distancias al cuadrado entre cada valor y la media; mide la dispersión y su raíz cuadrada es la desviación estándar.

Diferencia entre el valor máximo y el mínimo de un conjunto de datos; es la medida de dispersión más sencilla.

Observación que queda inusualmente lejos de la mayoría de los demás valores; puede deberse a un error o corresponder a un caso realmente excepcional.

Número de veces que aparece un valor o una categoría en un conjunto de datos; la frecuencia relativa expresa la misma información como proporción o porcentaje.

Valor por debajo del cual se encuentra un porcentaje determinado de las observaciones; por ejemplo, el 90 % de los datos queda por debajo del percentil 90.

Conjunto de medidas, tablas y gráficos que resumen las características principales de un conjunto de datos, como su centro, dispersión y forma, sin generalizar más allá de esos datos.

Cada uno de los tres valores que dividen los datos ordenados en cuatro partes iguales: el primer cuartil (Q1), la mediana (Q2) y el tercer cuartil (Q3).

Diferencia entre el tercer y el primer cuartil (Q3 − Q1), que indica la dispersión del 50 % central de los datos.

Promedio en el que algunos valores cuentan más que otros: se multiplica cada valor por su ponderación, se suman los productos y se divide el total por la suma de las ponderaciones.

Tabla que muestra cómo se combinan las categorías de dos o más variables categóricas e indica el número de casos de cada combinación.

Característica que puede tomar valores distintos de una persona, objeto o caso a otro, como la edad, los ingresos, el género o la puntuación de una prueba.

Variable cuyos valores son grupos o etiquetas, y no cantidades medidas, como el grupo sanguíneo, la ciudad de residencia o respuestas de sí/no.

Variable que puede tomar cualquier valor dentro de un intervalo, incluidas fracciones, como la estatura, la temperatura, el tiempo o los ingresos.

Variable que el investigador modifica, controla o utiliza para explicar cambios en otra variable; en un experimento, es el factor manipulado.

Resultado que mide un estudio para observar si cambia cuando varía la variable independiente, como las notas, las ventas o el tiempo de recuperación.

Unidad individual de datos, como una persona, una transacción o una medición, que suele ocupar una fila del conjunto de datos.

Tercera variable relacionada tanto con la variable independiente como con la dependiente, capaz de crear una impresión falsa o distorsionada de la relación entre ambas.

Valores que deberían estar en un conjunto de datos pero no aparecen, por ejemplo porque una persona omitió una pregunta o falló una medición.

Número entre 0 y 1 que expresa qué tan probable es un suceso: 0 significa que no puede ocurrir y 1, que es seguro.

Variable cuyo valor depende del resultado de un proceso aleatorio, como el número de caras en diez lanzamientos o el tiempo de espera de un autobús.

Promedio a largo plazo de una variable aleatoria si se repitiera muchas veces el mismo proceso; se calcula ponderando cada resultado posible por su probabilidad.

Sucesos para los que saber que uno ocurrió no cambia la probabilidad del otro; para dos sucesos independientes, P(A y B) = P(A) × P(B).

Probabilidad de que ocurra un suceso dado que otro ya ha ocurrido; se escribe P(A | B) y se lee «probabilidad de A dado B».

Regla para actualizar la probabilidad de un suceso o hipótesis a la luz de nueva evidencia, que relaciona P(A | B) con P(B | A): P(A | B) = P(B | A) × P(A) / P(B).

Se dice de sucesos o categorías que no pueden ocurrir o ser verdaderos al mismo tiempo, como sacar un 2 y un 5 en un único lanzamiento de dado.

Patrón que indica qué valores toma una variable y con qué frecuencia aparece cada uno; suele representarse mediante un histograma o una curva.

Distribución simétrica con forma de campana, en la que la mayoría de los valores se agrupan alrededor de la media y se vuelven menos frecuentes al alejarse; la media, la mediana y la moda coinciden.

Describe una distribución que no es simétrica y tiene una cola más larga en uno de sus lados; en una distribución sesgada a la derecha, unos pocos valores grandes alargan la cola hacia ese lado.

Distribución de probabilidad del número de éxitos en un número fijo de ensayos independientes, cada uno con la misma probabilidad de éxito, como obtener caras en 20 lanzamientos.

Distribución de probabilidad del número de veces que ocurre un suceso en un periodo o espacio fijo, cuando los sucesos son independientes y se producen a una tasa media constante.

Resultado según el cual la distribución de las medias muestrales se aproxima a una distribución normal al crecer el tamaño de la muestra, sea cual sea la forma poblacional, si la varianza es finita.

Valor que indica cuántas desviaciones estándar se encuentra una observación por encima o por debajo de la media; se obtiene restando la media y dividiendo por la desviación estándar.

Conjunto completo de personas, objetos o sucesos sobre el que un estudio pretende extraer conclusiones, por ejemplo todos los adultos de un país o todas las facturas emitidas durante un año.

Grupo más pequeño seleccionado de una población y estudiado para poder extraer conclusiones sobre el conjunto completo.

Cantidad de observaciones o participantes incluidos en un estudio, que suele expresarse como n (o N para el total).

Muestra seleccionada de modo que cada miembro de la población tenga una probabilidad conocida, normalmente igual, de ser elegido, lo que ayuda a evitar sesgos sistemáticos.

Diferencia natural entre un valor calculado a partir de una muestra y el verdadero valor poblacional, debida a estudiar solo una parte de la población.

Error sistemático que desplaza los resultados en una dirección y hace que las estimaciones sean habitualmente demasiado altas o demasiado bajas, en vez de variar al azar.

Método de muestreo que divide primero la población en subgrupos (estratos), como regiones o franjas de edad, y después selecciona una muestra aleatoria de cada uno.

Lista o fuente concreta de la que se extrae una muestra, como un registro de estudiantes, una base de clientes o un listado de direcciones.

Muestra formada por personas fáciles de contactar, como estudiantes de la propia clase del investigador o visitantes de un sitio web, en vez de personas seleccionadas al azar.

Intervalo calculado a partir de datos muestrales mediante un método que, en el caso del 95 %, incluye el valor poblacional verdadero en el 95 % de las muestras repetidas.

Métodos que usan datos de una muestra para extraer conclusiones, con un grado de incertidumbre cuantificado, sobre una población más amplia.

Desviación típica de un estimador, como la media muestral, a través de muestras repetidas; expresa la precisión con que cabe estimar el parámetro.

Calcular a partir de datos muestrales un valor aproximado de una cantidad poblacional desconocida, como una media, una proporción o un coeficiente de regresión.

Valor único calculado con datos muestrales como mejor aproximación a un valor poblacional, por ejemplo una media muestral de 4,7 para estimar la media verdadera.

Cantidad que se suma y se resta a una estimación para formar un intervalo de confianza e indicar cuánto podría diferir el resultado muestral del valor poblacional verdadero.

Distribución de un estadístico, como la media muestral, que se obtendría al tomar muchas muestras del mismo tamaño de una misma población.

Afirmación clara y comprobable sobre una relación o diferencia que un estudio se propone contrastar con datos, por ejemplo, que dormir poco ralentiza el tiempo de reacción.

Afirmación de partida en una prueba estadística según la cual no hay efecto, diferencia ni relación; la prueba evalúa si los datos aportan evidencia suficiente en contra.

Probabilidad de obtener un resultado tan extremo como el observado o más si la hipótesis nula fuera cierta; un valor pequeño indica que los datos serían sorprendentes bajo esa hipótesis.

Conclusión de que un resultado difícilmente se debe solo al azar, determinada al comparar el valor p con un nivel de significación elegido, como 0,05.

Afirmación de que existe un efecto, una diferencia o una relación; los datos la respaldan cuando ofrecen pruebas sólidas contra la hipótesis nula.

Umbral fijado antes de una prueba por debajo del cual un valor p se considera estadísticamente significativo; también representa el riesgo aceptado de cometer un error de tipo I.

Concluir, tras una prueba, que los datos aportan evidencia suficiente contra la hipótesis nula, normalmente porque el valor p queda por debajo del nivel de significación.

Prueba de hipótesis que compara medias: la de un grupo con un valor fijo, las de dos grupos independientes o dos mediciones de las mismas personas.

Prueba aplicada a recuentos por categorías, sobre todo para comprobar si dos variables categóricas están relacionadas o si las frecuencias observadas coinciden con las esperadas.

Familia de pruebas que compara simultáneamente las medias de tres o más grupos mediante la variación entre grupos y dentro de ellos.

Rechazo de una hipótesis nula que en realidad es verdadera; es decir, concluir que existe un efecto cuando no existe, un falso positivo.

Falta de rechazo de una hipótesis nula que en realidad es falsa; es decir, no detectar un efecto existente, un falso negativo.

Probabilidad de que una prueba detecte un efecto de tamaño dado cuando ese efecto realmente existe; equivale a uno menos la probabilidad de cometer un error de tipo II.

Número de valores que pueden variar en un cálculo una vez fijadas ciertas restricciones; determina la forma exacta de distribuciones como t, chi-cuadrado y F.

Prueba de hipótesis que busca diferencias en cualquiera de las dos direcciones y divide la región de rechazo entre ambos extremos de la distribución.

Condición que debe cumplirse, al menos aproximadamente, para que una prueba o modelo estadístico produzca resultados válidos, como la normalidad, la igualdad de varianzas o la independencia de las observaciones.

Prueba que no exige que los datos sigan una distribución específica, como la normal; a menudo trabaja con rangos en lugar de los valores originales.

Prueba de seguimiento realizada después de obtener un resultado global significativo, por ejemplo en un ANOVA, para determinar exactamente qué grupos difieren.

Relación entre dos variables que tienden a cambiar conjuntamente, en la misma dirección (positiva) o en direcciones opuestas (negativa).

Familia de métodos que modela cómo cambia una variable de resultado según una o más variables predictoras; sirve para estudiar relaciones y hacer predicciones.

Número entre −1 y +1 que mide la fuerza y la dirección de la relación lineal entre dos variables; un valor de 0 indica ausencia de relación lineal.

Método de regresión que representa el resultado como una función lineal de uno o más predictores y estima una ordenada en el origen y una pendiente por predictor.

Proporción de la variación de la variable de resultado que explica un modelo de regresión, entre 0 y 1; también se denomina coeficiente de determinación.

Diferencia entre el valor observado y el que predice un modelo para esa observación; indica cuánto se desvía el ajuste en cada punto de datos.

Método de ajuste de una recta o modelo que elige los parámetros para minimizar la suma de los residuos al cuadrado.

Relación en la que un cambio en una variable produce directamente un cambio en otra, a diferencia de dos variables que simplemente varían juntas.

Modelo de regresión con dos o más variables predictoras que estima el efecto de cada una manteniendo constantes las demás.

Método de regresión para un resultado con dos categorías, como sí/no o aprobado/suspenso, que modela la probabilidad de una categoría a partir de variables predictoras.

Número de un modelo de regresión que indica cuánto se espera que cambie el resultado cuando un predictor aumenta una unidad, manteniendo constantes los demás predictores.

Situación de una regresión en la que dos o más predictores están muy correlacionados entre sí, lo que dificulta estimar sus efectos por separado.

Eliminar o tener en cuenta la influencia de una variable en un análisis, normalmente incluyéndola en un modelo, para que el efecto de interés no se confunda con ella.

Grado en que un modelo o una distribución teórica se ajusta a los datos observados, medido con estadísticos como R², chi-cuadrado o criterios de información.

Método para recopilar información mediante preguntas dirigidas a un grupo de personas, normalmente una muestra, en persona, por teléfono, en papel o por internet.

Formulario impreso o digital que contiene las preguntas que responden los participantes de una encuesta.

Proporción de las personas invitadas a participar en una encuesta que efectivamente la completan, normalmente expresada como porcentaje.

Escala de valoración en la que las personas indican cuánto están de acuerdo o en desacuerdo con afirmaciones, normalmente mediante cinco o siete opciones ordenadas desde «totalmente en desacuerdo» hasta «totalmente de acuerdo».

Grupo de un experimento que no recibe el tratamiento estudiado, o que recibe un placebo o la atención habitual, y sirve para compararlo con el grupo tratado.

Distribución de participantes entre los grupos de un experimento mediante el azar, por ejemplo con números aleatorios generados por computadora, para que los grupos sean comparables al inicio.

Ensayo pequeño de un estudio, realizado antes del estudio principal para probar el cuestionario, los procedimientos y los tiempos, y detectar problemas pronto.

Sesgo que aparece cuando quienes no participan en una encuesta difieren en aspectos importantes de quienes sí responden y, por ello, los resultados representan mal a la población.

Gráfico que muestra la relación entre dos variables numéricas mediante un punto por observación, situado según sus dos valores.

Gráfico de barras contiguas que indica cuántas observaciones numéricas caen en cada intervalo, denominado clase o intervalo de agrupación.

Número que expresa cuán grande es una diferencia o relación con independencia del tamaño muestral, como la d de Cohen, un coeficiente de correlación o una razón de momios.

Gráfico que muestra la mediana, los cuartiles y la dispersión mediante una caja y líneas (bigotes), con valores atípicos marcados como puntos separados.

Gráfico que compara categorías mediante barras rectangulares separadas cuya longitud representa cantidades, porcentajes u otros valores.

Conjunto reducido de cifras que describe un conjunto de datos de un vistazo, normalmente el número de observaciones, la media, la desviación estándar, la mediana, el mínimo y el máximo.

Repetir un estudio, por lo general con datos nuevos, para comprobar si se vuelven a obtener los resultados originales.

Cambiar un número por un valor cercano más sencillo y con menos cifras; por ejemplo, 3,4762 redondeado a dos decimales es 3,48.